2017-05-02 20:36:44

付黎明,李必軍,葉雨同

(武漢大學 測繪遙感信息工程國家重點實驗室,湖北 武漢430079)


    摘  要: 提出了一種適用於輔助駕駛的高魯棒性車道線檢測算法。算法采用了根據距離的影像金字塔,有效提高了檢測效率和準確率,實現了Android平台的實時檢測,使用水平方向暗-亮-暗特征、二次曲線車道模型和基於卡爾曼濾波的跟蹤實時提取跟蹤路麵車道線,實現相機俯仰角的快速標定。實驗證明,基於簡單特征和車道線模型算法在Android係統的行車記錄儀上可穩定地進行車道跟蹤。

    關鍵詞: 車道線檢測;多尺度重采樣;影像金字塔;二次曲線模型

    中圖分類號: TP751.1

    文獻標識碼: A

    DOI:10.16157/j.issn.0258-7998.2017.04.002


    中文引用格式: 付黎明,李必軍,葉雨同. 基於多尺度重采樣的車道線檢測[J].電子技術應用,2017,43(4):7-12.

    英文引用格式: Fu Liming,Li Bijun,Ye Yutong. Lane detection based on multi scale resampling[J].Application of Electronic Technique,2017,43(4):7-12.

0 引言

    高級駕駛輔助係統(Advanced Driver Assistance System,ADAS)快速發展,作為其中重要模塊的基於視覺的車道線檢測也得到了大量研究。車道線本身設計是適合人類視覺係統處理的,單目相機成本低廉,因此目前車道線檢測主流傳感器是單目相機[1],本文提出的車道線檢測方法也基於單目相機。

    根據最終輸出數據所在坐標,車道線檢測方法可分為兩類:一類直接在預處理後圖像上使用直線或直線段檢測方法[2-3],無需相機參數和路麵幾何參數的假設,輸出參數為車道參數在圖像坐標內,無法定量表達自車在車道內位置;另一類使用逆透視變換(Inverse Perspective Mapping,IPM)將圖像或特征轉換到世界坐標係,生成鳥瞰圖,優勢在於輸出坐標為可以直接判斷自車相對車道位置的世界坐標[4-5]。為滿車道偏離檢測對車道內位置的定量需求,本文算法采用基於IPM的方法。

    算法采用簡單亮-暗-亮特征,首先對圖像RGB三通道進行通道運算生成灰度影像,根據路麵據相機距離,對圖像分區重采樣,在多尺度上查找特征點對,以克服同一尺度重采樣造成的計算量大或遠處特征點丟失問題。特征點逆透視變換到世界坐標係後,根據幾何特征初步篩選,若上一幀存在檢測結果,根據上一幀結果進一步篩選特征點。特征點經篩選後首先在局部查找相鄰特征點歸組並初步計算參數,然後根據組間空間位置進行合並得到超組(super group)並對超組進行模型擬合,得到候選車道線,候選車道線經幾何判斷後查找出本車道左右車道線,最後對左右車道線使用卡爾曼濾波,得到最終車道模型。流程圖如圖1。

adas2-t1.gif

1 多尺度影像重采樣

1.1 透視變換和逆透視變換

    采用和文獻[4]中相同方法,假設地麵為平麵,相機內參數、外參數已知,如圖 2,以相機光學中心為原點,定義世界坐標係{Fw}={Xw,Yw,Zw},僅考慮相機俯仰角?琢和偏航角α,相機高度為h。

adas2-t2.gif

    對於地麵一點齊次坐標Pg={xg,yg,-h,1},其對應圖像坐標:

adas2-gs1-2.gif

adas2-gs1-2-x1.gif

1.2 多尺度影像重采樣

    由於相機透視投特性,車道線在圖像上呈現近粗遠細的特點。常規影像重采樣使用同一縮放尺度對影像重采樣,重采樣比例過大會使輸出圖像尺寸較大,顯著增加特征點搜索耗時;重采樣比例過小會使遠處車道線信息嚴重丟失,降低遠處檢測率。

    本文提出一種按距離遠近對圖像各水平區域不同比例的重采樣方法,保留遠處車道線信息的情況下,顯著降低搜索區域大小,降低搜索時間。如圖3所示。

adas2-t3.gif

    由式(1)計算當前標定參數下滅線在圖像中的水平位置,從滅線往下至圖像底邊為車道線關注區域,設滅線到圖像底邊高為H,重采樣比例si≤1.0,i=1,…,n依次遞減,按式(3)計各重采樣區域高度hi,i=1,…,n後分區重采樣。

adas2-gs3-4.gif

第1頁  第2頁  第3頁  第4頁  

http://www.autooo.net/autooo/elec/news/2017-05-02/172122.html